Deviance from a pink noise regime in the temporal organization of semantic relations in psychosis

Resumen Técnico: Desviación de un régimen de ruido rosa en la organización temporal de las relaciones semánticas en la psicosis

Planteamiento del problema
La producción del lenguaje es un proceso temporal que se desarrolla en múltiples escalas, desde las palabras hasta el discurso. La teoría de los sistemas complejos sugiere que los sistemas sanos operan cerca de un "punto crítico", exhibiendo una dinámica libre de escala (ruido rosa) caracterizada por correlaciones temporales de largo alcance. Las desviaciones de este régimen, hacia un ruido blanco no correlacionado o un ruido marrón excesivamente persistente, son marcadores establecidos de patología en dominios fisiológicos (p. ej., la marcha, la frecuencia cardíaca). Aunque se han observado firmas de criticidad en varios niveles del lenguaje (p. ej., la ley de Zipf, la decadencia de la información mutua), no está claro si la organización temporal de las relaciones semánticas en el habla exhibe dinámicas de escala similares y si las desviaciones de este régimen caracterizan la psicosis. Las métricas tradicionales del Procesamiento de Lenguaje Natural (NLP) a menudo no logran capturar estas dependencias temporales de largo alcance, centrándose en lugar en transiciones locales o métricas globales estáticas. Este estudio aborda esta brecha investigando si el habla en la psicosis exhibe propiedades de escalamiento temporal alteradas en las series temporales de similitud semántica.

Metodología
El estudio analizó transcripciones clínicas de tres conjuntos de datos independientes: Zúrich (Suiza), Marburg (Alemania) e Izmir (Turquía). Estos conjuntos de datos incluyeron pacientes con trastornos del espectro de la esquizofrenia (SSD), grupos de esquizotípica, trastorno depresivo mayor (MDD) y controles sanos (HC).

1. Preprocesamiento de datos: Las grabaciones de audio se convirtieron a texto mediante diarización automática y revisión manual. Solo se retuvieron segmentos de habla continua de 100 o más palabras para asegurar una estimación estable del Análisis de Fluctuación Detrended (DFA).
2. Incrustación semántica (Embedding): Se generaron incrustaciones semánticas a nivel de palabra utilizando el modelo Qwen3-Embedding-8b a través de la librería SentenceTransformers.
3. Construcción de la serie temporal: Se creó una serie temporal continua calculando la similitud de coseno entre las incrustaciones de palabras adyacentes ($K(X, Y) = \langle X, Y \rangle / (||X|| \cdot ||Y||)$).
4. Análisis de Fluctuación Detrended (DFA): Se aplicó DFA a estas series temporales de similitud de coseno para cuantificar las correlaciones temporales de largo alcance. El proceso consistió en:
   • Integrar la serie temporal tras restar la media.
   • Dividir la serie integrada en ventanas de longitudes variables ($n$).
   • Eliminar las tendencias lineales locales dentro de cada ventana.
   • Calcular la fluctuación de la raíz de la media cuadrática $F(n)$ para cada tamaño de ventana.
   • Determinar el exponente de escalamiento ($\alpha$) como la pendiente de la regresión de $\log F(n)$ sobre $\log n$.
   • Un $\alpha$ de 0.5 indica ruido blanco (no correlacionado); los valores que se aproximan o superan 1 indican ruido marrón (altamente persistente).
5. Análisis estadístico: Los valores de $\alpha$ a nivel de participante se promediaron entre las tareas. Se utilizaron modelos de regresión lineal (OLS) para comparar los grupos (pacientes frente a controles) dentro de cada conjunto de datos, ajustando por covariables (número de palabras, edad, sexo). Se calcularon correlaciones parciales de Spearman para evaluar las relaciones entre $\alpha$ y las puntuaciones de síntomas (PANSS, SAPS, SANS), controlando el diagnóstico.

Contribuciones clave

• Aplicación de DFA al espacio semántico: El estudio introduce un método para cuantificar el escalamiento temporal de las relaciones semánticas en el discurso aplicando DFA a series temporales de similitud de coseno derivadas de BERT (específicamente Qwen).
• Validación en múltiples conjuntos de datos: Los hallazgos se validan en tres conjuntos de datos independientes que involucran diferentes idiomas (alemán suizo, alemán y turco) y diversas poblaciones clínicas.
• Vinculación del lenguaje con la criticidad: El trabajo extiende la hipótesis de la criticidad desde las señales fisiológicas y las distribuciones de frecuencia de palabras (ley de Zipf) hacia la dinámica temporal de la similitud semántica en la psicosis.

Resultados

• Diferencias de grupo: En los tres conjuntos de datos, los pacientes con SSD exhibieron exponentes de escalamiento DFA ($\alpha$) significativamente elevados en comparación con los controles sanos.
  • Zúrich: Los pacientes con SSD mostraron un $\alpha$ significativamente mayor que los controles con baja esquizotípica ($\beta = 0.0295, p = 0.001$). Los controles con alta esquizotípica no difirieron de los controles con baja esquizotípica.
  • Izmir: Los pacientes con esquizofrenia crónica (SZH) mostraron un $\alpha$ significativamente mayor que los controles sanos ($\beta = 0.0303, p = 0.006$). Los grupos de psicosis de primer episodio (FEP) y esquizoafectivos (SZA) mostraron tendencias, pero no alcanzaron la significación estadística frente a los controles.
  • Marburg: Los pacientes con SSD mostraron un $\alpha$ significativamente mayor que los controles sanos ($\beta = 0.0241, p = 0.039$). El grupo con MDD no difirió significativamente de los controles.
• Correlaciones con síntomas: La relación entre $\alpha$ y las dimensiones específicas de los síntomas fue inconsistente. En los conjuntos de datos de Zúrich y Marburg, las correlaciones se distribuyeron entre síntomas positivos y negativos, con pocas sobreviviendo a la corrección FDR. El conjunto de datos de Izmir no mostró asociaciones significativas.
• Covariables: El número de palabras pronunciadas se asoció negativamente con el exponente de escalamiento en todos los conjuntos de datos. La edad mostró una asociación positiva en los conjuntos de datos de Zúrich y Marburg.

Significancia y afirmaciones
Los autores afirman que los exponentes de escalamiento elevados en la psicosis indican correlaciones de largo alcance anormalmente fuertes y una persistencia excesiva en las fluctuaciones semánticas. Dentro de un marco de sistemas complejos, esto representa una desviación del régimen de casi criticidad (ruido rosa) característico de los sistemas sanos hacia un régimen de "ruido marrón" más persistente.

El artículo postula que esta alteración en la organización temporal del lenguaje puede servir como una lectura de la dinámica neural alterada. Los hallazgos son paralelos a la literatura existente que muestra la interrupción del escalamiento de ley de potencia y el aumento de la persistencia temporal en la actividad neural espontánea de pacientes con SSD. Los autores sugieren que, así como la reducción de la densidad neural se ha vinculado con desviaciones en las distribuciones de frecuencia de palabras (ley de Zipf), las desviaciones en el escalamiento temporal de la similitud semántica pueden reflejar una perturbación más profunda y primaria en la autorganización crítica del sistema de lenguaje del cerebro.

El estudio concluye que, si bien los exponentes de escalamiento no alcanzaron el $\alpha = 1$ canónico del ruido rosa (probablemente debido al ruido en las representaciones vectoriales y a las series temporales cortas), el cambio constante hacia valores de $\alpha$ más altos en muestras independientes proporciona evidencia empírica de una interrupción a nivel de sistema en la organización temporal del significado en la psicosis. Los autores advierten que el exponente de escalamiento puede no indexar síntomas específicos, sino más bien una ruptura fundamental en los principios organizativos del sistema.